核方法对抗鲁棒性获实证评估

Rahul Kumar Yadav 等作者提交论文，通过白盒与黑盒逃逸攻击，对二分类和多分类任务中的核方法模型、随机特征分类器及递归特征机（Recursive Feature Machines）做了对抗鲁棒性实证评估，并提出一种核方法近似对抗训练算法。 在图像和表格数据集上的实验显示，核方法模型原生鲁棒性强于神经网络，面对对抗扰动时性能下降更平缓。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。